基于keras 卷积神经外网络搭建的手写数字识别 完整代码+数据可直接运行

项目介绍：

适合新手入门学习代码数据很简洁

上结果：

 主要的卷积神经网络：

卷积是指在滑动中提取特征的过程，可以形象地理解为用放大镜把每步都放大并且拍下来，再把拍下来的图片拼接成一个新的大图片的过程。

2D卷积是一个相当简单的操作：
我们先从一个小小的权重矩阵，也就是 卷积核（kernel） 开始，让它逐步在二维输入数据上“扫描”。卷积核“滑动”的同时，计算权重矩阵和扫描所得的数据矩阵的乘积，然后把结果汇总成一个输出像素。

也就是说，【卷积操作后得到的矩阵中的每个元素】都是由两个矩阵乘积得来的
——这两个矩阵分别是【原矩阵在滑动过中分割出来的“大小等同于卷积核”的矩阵】和【卷积核（卷积核一般是一个3×3或者5×5的矩阵）】
 

 主要的代码：

from __future__ import print_function, division
import _thread
import os
import cv2
import numpy as np
# from tensorflow.python.keras import Sequential, Input, Model
# from tensorflow.python.keras.layers import Conv2D, LeakyReLU, B